Y Hành Nhan

Posted on Aug 2

Top AI Papers on Hugging Face - 2026-08-02

#ai #machinelearning #huggingface

10 paper AI nổi bật nhất trên Hugging Face hôm nay: từ AI đọc hóa học, agent thao tác GUI, đến “BM25 vẫn thắng” trong RAG

Hôm nay, danh sách paper được upvote cao nhất trên Hugging Face cho thấy một bức tranh khá thú vị của nghiên cứu AI hiện tại: agent thực thi tác vụ thật, memory dài hạn, video generation có tính vật lý hơn, và cả những kết luận “ngược sóng” như BM25 vẫn cực mạnh ở quy mô lớn.

Dưới đây là bài tổng hợp ngắn gọn nhưng có chiều sâu về bài toán, ý tưởng, điểm mới và ứng dụng thực tế của 10 paper nổi bật này.

1) AskChem: Claim-Centered Infrastructure for Chemistry Literature Synthesis

Paper: 2607.28618

GitHub: https://github.com/bingyan4science/askchem

Project: https://www.askchem.org

Bài toán

Lượng tài liệu hóa học tăng quá nhanh khiến việc tổng hợp tri thức trở nên khó khăn. Nhà nghiên cứu không chỉ cần “tìm paper liên quan”, mà còn cần biết paper nào đưa ra claim gì, bằng chứng ra sao, và các claim có mâu thuẫn nhau không.

Ý tưởng

AskChem xây dựng hạ tầng tổng hợp tài liệu theo hướng claim-centered: thay vì coi mỗi paper là một khối văn bản lớn, hệ thống trích xuất và tổ chức tri thức quanh các mệnh đề khoa học. Điều này giúp AI trả lời câu hỏi ở mức “kết luận khoa học” thay vì chỉ tóm tắt bề mặt.

Điểm mới

Điểm đáng chú ý là chuyển trọng tâm từ document retrieval sang claim synthesis. Đây là hướng rất quan trọng cho AI khoa học, vì trong nghiên cứu, điều cần nhất không phải “paper nào nói về X”, mà là “khoa học hiện kết luận gì về X”.

Ứng dụng thực tế

Hỗ trợ nhà hóa học rà soát tài liệu nhanh hơn
Tăng tốc viết literature review
Xây công cụ hỏi đáp khoa học có trích dẫn đáng tin hơn
Hữu ích cho drug discovery, vật liệu mới, xúc tác, pin, polymer

2) Qwen-UI-Agent Technical Report: Toward Next-Generation Real-World Centric Foundation GUI Agents

Paper: 2607.28227

Project: https://tongyi-mai.github.io/Qwen-UI-Agent/

Bài toán

Nhiều agent hiện nay làm tốt benchmark, nhưng khi đưa vào ứng dụng thật trên desktop/mobile/web, chúng thường vấp phải GUI phức tạp, trạng thái thay đổi liên tục, và lỗi thao tác.

Ý tưởng

Qwen-UI-Agent hướng đến foundation GUI agent có thể quan sát giao diện, hiểu mục tiêu người dùng, lập kế hoạch và thao tác trực tiếp trên môi trường số thật. Trọng tâm là tính real-world centric: không chỉ giải benchmark “sạch”, mà phải chịu được môi trường nhiễu.

Điểm mới

Paper này đáng chú ý ở định hướng đưa GUI agent từ “demo đẹp” sang “hạ tầng dùng được”. Khả năng kết hợp nhận thức thị giác, lập kế hoạch nhiều bước, và hành động trên UI là mảnh ghép quan trọng cho thế hệ “computer-use agents”.

Ứng dụng thực tế

Trợ lý tự động thao tác phần mềm doanh nghiệp
Tự động hóa quy trình văn phòng
Hỗ trợ người dùng không rành công nghệ
Nền tảng cho “AI dùng máy tính thay người” trong CS, ops, sales, back office

3) Metis: Memory Foundation Model

Paper: 2607.26760

GitHub: https://github.com/MemTensor/Metis

Bài toán

LLM ngày càng mạnh nhưng vẫn yếu ở memory dài hạn có cấu trúc: nhớ người dùng, nhớ lịch sử dài, nhớ sự kiện đa phiên, và cập nhật ký ức theo thời gian.

Ý tưởng

Metis đề xuất một Memory Foundation Model – tức là coi memory không còn là module phụ gắn ngoài, mà là một đối tượng cần được mô hình hóa và pretrain nghiêm túc như chính language model.

Điểm mới

Khác với cách tiếp cận “vector DB + retrieval” quen thuộc, Metis gợi ý memory nên là một năng lực nền tảng độc lập: biết lưu, truy xuất, nén, cập nhật, và lý giải từ kinh nghiệm quá khứ.

Ứng dụng thực tế

AI assistant nhớ sở thích, công việc, bối cảnh cá nhân
Agent dài hạn làm việc qua nhiều ngày
Hệ thống CRM, chăm sóc khách hàng, coaching cá nhân
Robot và embodied AI cần ghi nhớ tương tác trước đó

4) Frontis-MA1: Training an AI4AI Model towards Recursive Self-Improvement in Machine Learning Engineering

Paper: 2607.28568

GitHub: https://github.com/FrontisAI/OpenRSI

Project: https://frontisai.github.io/OpenRSI/

Bài toán

Một trong những giấc mơ lớn của AI là tự cải thiện chính nó, đặc biệt trong kỹ nghệ ML: viết code, chạy thử nghiệm, đánh giá, sửa lỗi, tối ưu pipeline.

Ý tưởng

Frontis-MA1 theo đuổi mô hình AI for AI: một hệ thống chuyên phục vụ việc xây dựng và cải tiến các hệ thống AI khác. Từ đó tiến tới recursive self-improvement (RSI) – mô hình tham gia trực tiếp vào vòng lặp nâng cấp năng lực của chính mình hoặc của hệ AI cùng loại.

Điểm mới

Điểm mới nằm ở việc xem ML engineering như một domain hành động có thể học được: đọc codebase, hiểu kết quả thực nghiệm, đề xuất sửa đổi, và đánh giá tác động. Đây là bước chuyển từ “AI trả lời câu hỏi về ML” sang “AI thực hiện công việc ML”.

Ứng dụng thực tế

Tự động tuning pipeline huấn luyện
Hỗ trợ debug mô hình
Sinh và kiểm chứng patch cho code ML
Xây agent R&D cho lab và startup AI

5) PhiZero: A World Model Built Around Physical Language

Paper: 2607.28624

GitHub: https://github.com/yaoyao-jpg/PhiZero

Project: https://phi-zero.github.io/

Bài toán

Nhiều world model học tốt từ video hoặc sensory data nhưng thiếu khả năng biểu diễn quy luật vật lý ở mức dễ diễn giải. AI có thể bắt chước bề mặt nhưng không thật sự “hiểu” thế giới vận hành thế nào.

Ý tưởng

PhiZero xây world model xoay quanh physical language – một dạng biểu diễn dùng ngôn ngữ hoặc cấu trúc gần ngôn ngữ để mã hóa động lực vật lý và quan hệ nhân quả trong thế giới.

Điểm mới

Đây là hướng thú vị vì kết nối world modeling với symbolic/linguistic abstraction. Nếu thành công, mô hình không chỉ dự đoán frame tiếp theo mà còn mô tả được “vì sao vật thể chuyển động như vậy”.

Ứng dụng thực tế

Robotics và planning
Mô phỏng vật lý có khả năng giải thích
Video prediction
Tác tử cần suy luận nguyên nhân – kết quả trong môi trường động

6) DistillAlign: Coordinating Mode Covering and Mode Seeking in Autoregressive Video Distillation

Paper: 2607.26811

GitHub: https://github.com/LiJiaxing0213/DistillAlign

Project: https://lijiaxing0213.github.io/DistillAlign/

Bài toán

Khi distill mô hình sinh video autoregressive, thường có trade-off: mô hình nhỏ thì nhanh hơn nhưng dễ mất đa dạng hoặc giảm chất lượng.

Ý tưởng

DistillAlign tìm cách cân bằng giữa mode covering và mode seeking trong quá trình distillation. Nói đơn giản, mô hình student cần vừa bao phủ được nhiều kiểu dữ liệu, vừa tập trung vào những mẫu sắc nét/chất lượng cao.

Điểm mới

Đóng góp chính là cơ chế “align” hai mục tiêu vốn dễ xung đột. Đây là vấn đề cốt lõi trong generative modeling: chỉ tối ưu một phía thì hoặc ảnh/video nhạt nhòa, hoặc quá hẹp và thiếu đa dạng.

Ứng dụng thực tế

Nén mô hình video generation để deploy thực tế
Tăng tốc inference
Dùng cho sáng tạo nội dung, quảng cáo, game, mô phỏng

7) VideoCoCo: Code-as-CoT for Physically-Consistent Video Generation via an Agentic Dual-Engine System

Paper: 2607.27380

GitHub: https://github.com/micky-li-hd/VideoCoCo

Bài toán

Video sinh bởi AI thường đẹp nhưng thiếu tính nhất quán vật lý: vật thể biến dạng bất hợp lý, chuyển động sai logic, va chạm thiếu tự nhiên.

Ý tưởng

VideoCoCo dùng Code-as-CoT: thay vì chỉ cho mô hình “nghĩ bằng text”, hệ thống dùng code như một dạng chain-of-thought có cấu trúc để mô tả ràng buộc vật lý và logic chuyển động. Kết hợp với agentic dual-engine system, mô hình có thể vừa lập kế hoạch vừa sinh video.

Điểm mới

Điểm mạnh là xem code như ngôn ngữ trung gian cho suy luận vật lý. So với text CoT, code có tính chính xác và khả năng mô tả quy tắc cao hơn, rất hợp cho các bài toán cần nhất quán.

Ứng dụng thực tế

Text-to-video chất lượng cao
Pre-visualization cho phim/animation
Mô phỏng chuyển động hợp lý hơn cho game và robot
Tạo dữ liệu synthetic có kiểm soát

8) Memory Decoder at Scale: A Pretrained, Parametric Long-Term Memory

Paper: 2607.27919

GitHub: https://github.com/LUMIA-Group/MemoryDecoder-at-Scale

Project: https://rubin-wei.github.io/memory-decoder-at-scale/

Bài toán

Nếu memory chỉ nằm ngoài mô hình dưới dạng retrieval, hệ thống vẫn phụ thuộc mạnh vào bước tìm kiếm. Câu hỏi là: liệu có thể xây một long-term memory dạng tham số hóa ngay trong mô hình?

Ý tưởng

Paper đề xuất Memory Decoder được pretrain ở quy mô lớn như một dạng parametric long-term memory. Nghĩa là khả năng truy hồi thông tin dài hạn không chỉ nhờ context window, mà còn nhờ bản thân tham số mô hình học được cấu trúc nhớ.

Điểm mới

Điểm quan trọng là đưa memory vào đúng trung tâm kiến trúc decoder. Đây là xu hướng đáng theo dõi vì nó có thể mở đường cho agent nhớ lâu mà không phải phụ thuộc hoàn toàn vào external store.

Ứng dụng thực tế

Personal AI có trí nhớ dài hạn
Hệ thống hỗ trợ công việc liên tục
Mô hình đối thoại duy trì ngữ cảnh qua nhiều phiên
Agent nghiên cứu, coding, hoặc vận hành sản phẩm

9) Beacon: Knowing When and How to Perform Agentic Visual Reasoning

Paper: 2607.28595

GitHub: https://github.com/NOVAglow646/Beacon

Bài toán

Không phải mọi bài toán thị giác đều cần “agentic reasoning” nhiều bước. Nếu lúc nào cũng gọi planner/tool/chain dài, hệ thống sẽ chậm và tốn chi phí. Vấn đề là biết khi nào cần suy luận tác tử và suy luận theo cách nào.

Ý tưởng

Beacon tập trung vào năng lực meta-reasoning: trước hết quyết định có nên kích hoạt quy trình agentic visual reasoning hay không, sau đó chọn chiến lược phù hợp.

Điểm mới

Đây là hướng rất thực tế. Thay vì chỉ đẩy mô hình “reason more”, Beacon đặt câu hỏi quan trọng hơn: reason selectively. Điều này giống cách con người làm việc hiệu quả: bài dễ thì trả lời ngay, bài khó mới chia bước.

Ứng dụng thực tế

VLM/agent tiết kiệm chi phí inference
Hệ thống phân tích ảnh, tài liệu, màn hình giao diện
Tác tử đa phương thức làm việc trong môi trường thật

10) BM25 Wins at Scale: A Scaling Study of Retrieval-Augmented Generation Paradigms

Paper: 2607.26497

Bài toán

RAG thường gắn với dense retrieval, embedding, reranker, hybrid pipeline rất phức tạp. Nhưng khi mở rộng quy mô lớn, liệu các hệ retrieval hiện đại có luôn thắng các phương pháp cổ điển như BM25?

Ý tưởng

Paper thực hiện nghiên cứu scaling về các paradigm RAG và đi đến kết luận gây chú ý: BM25 vẫn thắng ở quy mô lớn trong nhiều điều kiện.

Điểm mới

Điểm mới không nằm ở kiến trúc flashy, mà ở thực nghiệm quy mô lớn mang tính phản biện cộng đồng. Trong bối cảnh ai cũng chạy theo dense retrieval, kết quả này nhắc rằng baseline cổ điển nhiều khi vẫn hiệu quả, rẻ và bền vững hơn.

Ứng dụng thực tế

Thiết kế hệ RAG production tiết kiệm chi phí
Tối ưu search cho enterprise knowledge base
Giảm độ phức tạp hệ thống trước khi “nâng cấp” bằng neural retriever
Lời nhắc quan trọng: luôn benchmark với baseline mạnh

Xu hướng lớn rút ra từ 10 paper này

1. AI đang dịch chuyển từ “trả lời” sang “thực thi”

Các paper như Qwen-UI-Agent, Frontis-MA1, Beacon cho thấy mục tiêu không còn chỉ là sinh text hay giải benchmark, mà là hành động trong môi trường thật: dùng GUI, quyết định chiến lược suy luận, cải tiến quy trình ML.

2. Memory đang trở thành năng lực lõi

Sự xuất hiện đồng thời của Metis và Memory Decoder at Scale cho thấy memory không còn là tính năng phụ. Để có agent dài hạn thật sự hữu ích, AI phải biết ghi nhớ, cập nhật và truy xuất ký ức bền vững.

3. Generative video đang tiến tới tính nhất quán vật lý

PhiZero, DistillAlign, VideoCoCo cùng phản ánh một xu hướng rõ ràng: thế hệ video model tiếp theo không chỉ cần đẹp, mà phải đúng hơn về động lực và vật lý.

4. AI khoa học đang đi vào chiều sâu hạ tầng tri thức

AskChem là ví dụ tiêu biểu cho AI hỗ trợ khoa học theo hướng có cấu trúc và gần với nhu cầu nghiên cứu thật: tổng hợp claim, bằng chứng, và tranh luận học thuật.

5. Cộng đồng bắt đầu “tỉnh táo” hơn với baseline

BM25 Wins at Scale là một tín hiệu rất tích cực. Nó nhắc cả cộng đồng rằng đổi mới không chỉ là mô hình to hơn hay kiến trúc phức tạp hơn; đôi khi, tiến bộ thật sự đến từ đánh giá nghiêm túc và thực dụng.

Kết luận

Nếu phải tóm gọn, 10 paper hôm nay cho thấy AI đang bước vào giai đoạn mới:

ít demo hào nhoáng hơn, nhiều hệ thống có khả năng làm việc hơn;
ít phụ thuộc vào context ngắn hạn hơn, nhiều chú ý đến memory dài hạn hơn;
ít chỉ sinh nội dung đẹp hơn, nhiều quan tâm đến tính đúng và nhất quán hơn.

Trong ngắn hạn, những hướng có tác động sản phẩm rõ nhất có lẽ là:

GUI agents cho tự động hóa công việc số,
memory foundation models cho trợ lý cá nhân/agent dài hạn,
RAG thực dụng với baseline mạnh như BM25,
AI for science dạng claim-centered như AskChem.

Nếu bạn muốn, mình có thể viết tiếp phần 2 theo kiểu:

bảng so sánh 10 paper,
chấm mức độ tiềm năng sản phẩm,
hoặc “paper nào đáng đọc nhất với founder / ML engineer / researcher”.